JP2022552466A - ロボティック・プロセス・オートメーション・ワークフローのための再構成可能なワークベンチパイプライン - Google Patents
ロボティック・プロセス・オートメーション・ワークフローのための再構成可能なワークベンチパイプライン Download PDFInfo
- Publication number
- JP2022552466A JP2022552466A JP2022520185A JP2022520185A JP2022552466A JP 2022552466 A JP2022552466 A JP 2022552466A JP 2022520185 A JP2022520185 A JP 2022520185A JP 2022520185 A JP2022520185 A JP 2022520185A JP 2022552466 A JP2022552466 A JP 2022552466A
- Authority
- JP
- Japan
- Prior art keywords
- pipeline
- workflow
- components
- component
- computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/44—Encoding
- G06F8/445—Exploiting fine grain parallelism, i.e. parallelism at instruction level
- G06F8/4452—Software pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/04—Billing or invoicing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
ロボティック・プロセス・オートメーション(RPA)ワークフローのための再構成可能ワークベンチパイプラインを開示する。異なるユーザーに対して異なるワークベンチパイプラインが構築され得る。例えば、グローバルワークフロー(例えば、領収書抽出子)を最初に構築して、使用し得るが、このワークフローは、特定のユーザー又は特定のタスクに対して最適に又は全く作業しない可能性がある。機械学習(ML)モデルは、所与のタスクのためのグローバルワークフローを特殊化するために、潜在的にはヒューマンインザループと共に採用され得る。
Description
(関連出願の相互参照)
本出願は、2019年12月9日に出願された米国非仮特許出願第16/707,977号、及び2019年10月15日に出願された米国仮特許出願第62/915,413号の利益を主張する。これらの先に出願された出願の主題は、その全体が参照により本明細書に組み込まれる。
本出願は、2019年12月9日に出願された米国非仮特許出願第16/707,977号、及び2019年10月15日に出願された米国仮特許出願第62/915,413号の利益を主張する。これらの先に出願された出願の主題は、その全体が参照により本明細書に組み込まれる。
本発明は、一般に、ロボティック・プロセス・オートメーション(RPA)に関し、より具体的には、RPAワークフローのための再構成可能ワークベンチパイプラインに関する。
現在のRPAワークフローは、本質的に決定論的であり、アクティビティの静的パイプラインを含む。言い換えれば、単一のロジックフローが、ワークフローを遂行する際に、ロボットによって作成され、適用される。「パイプライン」とは、データを抽出する一連のステップを指し、及び/又は抽出されたデータに基づいて行われる特定のアクションを指す。しかしながら、そのような静的パイプラインは、すべての状況、特に経時的に変化するもの、又は特定のユーザーをターゲットとするものに最適ではない場合がある。したがって、改善されたソリューションが有益であり得る。
本発明の特定の実施形態は、現在のRPA技術によってまだ完全に識別され、認識され、又は解決されていない当技術分野の問題及び必要性に対するソリューションを提供し得る。例えば、本発明のいくつかの実施形態は、RPAワークフローのための再構成可能ワークベンチパイプラインに関する。
一実施形態では、MLを使用してRPAワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法は、RPAロボットによって、グローバルワークフローを遂行することを含む。コンピュータ実装方法はまた、グローバルワークフローのパイプラインがシナリオに対して正しく作業していないと判定することと、AI駆動テストを採用し、パイプラインに適用される、及び/又はグローバルワークフローのパイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化することを含む。コンピュータ実装方法は、ローカルワークフローのパイプラインに、識別したMLモデル及び/又は他のコンポーネントを実装することを更に含む。
別の実施形態では、MLを使用してRPAワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法は、グローバルワークフローのパイプラインがシナリオに対して正しく機能していないと判定することと、AI駆動テストを採用し、パイプラインに適用される、及び/又はグローバルワークフローのパイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化することと、を含む。コンピュータ実装方法はまた、ローカルワークフローのパイプラインに、識別したMLモデル及び/又は他のコンポーネントを実装することを含む。
更に別の実施形態では、MLを使用してRPAワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法は、AI駆動テストを採用し、パイプラインに適用される、及び/又はグローバルワークフローのパイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化することと、ローカルワークフローのパイプラインに、識別したMLモデル及び/又は他のコンポーネントを実装することと、を含む。AI駆動テストは、パイプラインの第1のコンポーネントの出力をチェックすることと、第1のコンポーネントの出力が正しくない場合、第1のコンポーネントを再構成又は交換することと、を含む。AI駆動テストはまた、パイプライン内の各後続コンポーネントの出力をチェックすることと、パイプラインの出力が正しいか、又はすべてのコンポーネントの出力がチェックされるまで、誤って動作している各コンポーネントを再構成又は交換することと、を含む。
本発明の特定の実施形態の利点が容易に理解されるように、上記で簡単に記載した本発明の具体的な説明は、添付の図面に示している特定の実施形態を参照することによって提供される。これらの図面は、本発明の典型的な実施形態のみを示しており、したがってその範囲を限定するものと見なされるべきではないことを理解されたい、本発明は、添付の図面を使用することによって追加の具体性及び詳細を伴って記載し、説明する。
いくつかの実施形態は、RPAワークフローのための再構成可能ワークベンチパイプラインに関する。いくつかの実施形態では、再構成可能ワークベンチパイプラインは、パイプラインの動作を修正又は改善する機械学習(ML)モデルを適用してもよい。特定の実施形態では、これは、MLモデルではなくルールベースの動作であり得る。いくつかの実施形態では、システムは、所与のユースケースを満たすために、モデル及び/又は変換コンポーネントを提案し得る制御を有してもよい。
例えば、様々な添付ファイル(例えば、請求書、購入注文書など)を有する可能性がある電子メールを受信する場合を考える。請求書処理のためにフラグが立てられた請求書をMLモデルに送信する前に、電子メール内の請求書を識別してフラグを立てるためのゲート機能として動作するパイプライン内に、コンポーネントを有することが望ましい場合がある。しかしながら、パイプラインは、すべての場合において正しく動作しない可能性がある。したがって、パイプラインを通して請求書を実行するとき、システムは、パイプラインの端部に出力があるか否かを監視し得る。出力がない場合、システムは、一連の変換を異なるパイプラインステージに適用することによって、パイプラインに改良を加え得る。例えば、システムは、最初のステージから開始し、その後の各ステージをチェックして、障害の原因を探し得る。システムは、パイプラインのコンポーネント1、コンポーネント2、コンポーネント3などをチェックし得る。パイプラインが電子メール内の文書を適切に識別できない場合、システムは、ソリューションを見つけようと試みるために、パイプラインコンポーネントの異なるインスタンス及び/又は構成を適用しようと試み得る。ソリューションが見つからない場合、システムはRPA開発者に通知し得る。
いくつかの実施形態の再構成可能パイプラインは、文書処理、他のデータ変換パイプライン、データ抽出パイプラインなどに適用され得る。再構成可能パイプラインは、人間の入力及び/又は分類、抽出などのための特殊化したモデルのコンポーネントを含み得る。例えば、グローバルワークフロー(例えば、領収書抽出子)を最初に構築して使用し得るが、このワークフローは、特定のユーザー又は特定のタスクに対して最適に又は全く作業しない可能性がある。MLモデルは、所与のタスクのためのグローバルワークフローを特殊化するために、潜在的にヒューマンインザループと共に採用され得る。いくつかの実施形態では、多くの人間の入力が収集され、再トレーニングに使用されるにつれて、MLモデルが、更に知的になるように、MLモデルを再トレーニングするために、人間の入力が、追跡され、使用されてもよい。
文書処理及び他の複雑な人工知能(AI)アプリケーションのコンテキストでは、ユーザーは、異なるデータ、ユースケース、ユーザーがインタラクトするシステム、及び結果を有する傾向がある。例えば、Walmart(登録商標)、及び小規模な「家族経営」の小売業者の両方が、請求書処理ソリューションの恩恵を受け得るが、それらの要件は著しく異なる。小規模小売業者向けの請求書処理ソリューションは、着信する電子メールから請求書を検索することと、光学文字認識(OCR)及び/又は画像認識(以下に詳細に記載するコンピュータビジョン(CV)技術を使用するなど)を使用して請求書に対してテキスト認識を実施することと、OCR/CVによって認識されたデータから請求書情報を検索することと、検索した請求書情報をQuickBooks(登録商標)に入力することと、を含み得る。
しかしながら、Walmart(登録商標)の請求書処理ソリューションは、実質的に複雑であり得る。そのような大規模小売業者は、異なるシステムに進むべき異なるタイプの膨大な数の請求書を扱い、領収書以外の追加項目がある。例えば、複数の文書タイプを含めることができ、分類子を使用して正しい文書をピックアップする必要があり得る。したがって、大規模小売業者は、分類子がこのデータ内の請求書のタイプを識別し、それらのタイプに基づいて正しいダウンストリームワークフローに請求書を渡すことを望む場合がある。そのような大規模小売業者はまた、異なる言語で書かれた着信請求書を有する可能性が高いため、例えば、言語プロセッサは、これらの請求書を英語に変換するために有益であり得る。
いくつかの実施形態のワークベンチパイプラインにより、ワークフローをグローバル要件からローカルアプリケーションにカスタマイズして仕立てるために、モデルの「ブロック」又は他のロジックをワークフローに適用することができる。これらのブロック及び/又はロジックは、パイプラインのステージ(又はコンポーネント)である。まず、いくつかの実施形態では、RPA開発者は、(例えば、MLモデルへの呼出しを介して)組み込まれたインテリジェンスを有する特定のアプリケーションの「グローバル」ワークフローとして初期ワークフローを作成する。MLモデルは、遂行中のロボットの挙動を監視し、更に、特定のアクティビティがワークフローに含まれるか、他のアクティビティに置換されるか、又は改良されるべきであることを自動的に判定し得る。例えば、ロボットが請求書を処理した後に、ユーザーがQuickBooks(登録商標)に頻繁にアクセスして、特定のフィールドを修正していると、監視MLモデルが判定した場合、MLモデルは、異なるテキスト認識モデル、又はCVモデル(例えば、テキストが、定型化され、定型化された単語及び画像と共に会社ロゴ内に配置される)を検索し、代わりにこのモデルを使用するようにテキスト認識アクティビティを改良してもよい。
いくつかの実施形態では、ベースMLモデルをグローバルワークフローに使用してもよく、カスタムモデルを後で追加してもよい。この意味で、ワークフローは、初期実装後に、ブロックの追加、削除、及び/又は変更を可能にするプラグアンドプレイ機能を有してもよい。例えば、グローバルモデルは領収書データ抽出モデルであってもよいが、スペイン語の領収書を解析するためにローカルモデルとして、スペイン語の翻訳モデルを追加してもよい。
図1は、本発明の一実施形態による、RPAシステム100を示すアーキテクチャ図である。RPAシステム100は、開発者がワークフローを設計し、及び実装することを可能にし得るデザイナ110を含む。デザイナ110は、アプリケーション統合のためのソリューション、並びにサードパーティのアプリケーション、管理情報技術(IT)タスク、及びビジネスITプロセスをオートメーション化することを提供し得る。デザイナ110は、ビジネスプロセスのグラフィカル表現であるオートメーションプロジェクトの開発を容易にし得る。簡単に言えば、デザイナ110は、ワークフロー及びロボットの開発及びデプロイメントを容易にする。
オートメーションプロジェクトにより、本明細書で「アクティビティ」と定義する、ワークフローで開発されたステップのカスタムセット間の遂行順序及び関係の制御を開発者に与えることによって、ルールベースのプロセスのオートメーション化を可能にする。デザイナ110の実施形態の一商用例は、UiPath Studio(商標)である。各アクティビティは、ボタンのクリック、ファイルの読み取り、ログパネルへの書き込みなど、アクションを含んでもよい。いくつかの実施形態では、ワークフローを、ネストしても、又は埋め込んでもよい。
いくつかのタイプのワークフローは、限定しないが、シーケンス、フローチャート、有限状態機械(FSM)、及び/又はグローバル例外ハンドラを含んでもよい。シーケンスは、ワークフローを乱すことなく、1つのアクティビティから別のアクティビティへの流れを可能にする線形プロセスに特に適している場合がある。フローチャートは、複雑なビジネスロジックに特に適しており、複数の分岐論理演算子を介して多様な方法で、決定の統合、及びアクティビティの接続を可能にする。FSMは、大規模なワークフローに特に適している場合がある。FSMは、条件(すなわち、遷移)又はアクティビティによってトリガされるワークフローの遂行において有限数の状態を使用し得る。グローバル例外ハンドラは、遂行エラーに遭遇したときのワークフローの挙動を判定し、プロセスをデバッグするために特に適している場合がある。
ワークフローがデザイナ110で開発されると、ビジネスプロセスの遂行は、コンダクタ120によって編成され、コンダクタ120は、デザイナ110で開発されたワークフローを遂行する1つ又は複数のロボット130を編成する。コンダクタ120の実施形態の一市販例は、UiPath Orchestrator(商標)である。コンダクタ120は、環境内のリソースの作成、監視、及びデプロイメントの管理を容易にする。コンダクタ120は、サードパーティのソリューション及びアプリケーションとの統合ポイントとして作用し得る。
コンダクタ120は、すべてのロボット130を管理し、集中ポイントからロボット130を接続し、及び遂行し得る。管理され得るロボット130のタイプは、限定しないが、アテンディッドロボット132、アンアテンディッドロボット134、開発ロボット(アンアテンディッドロボット134と同様であるが、開発及びテストの目的で使用される)、及び非生産ロボット(アテンディッドロボット132と同様であるが、開発及びテストの目的で使用される)を含む。アテンディッドロボット132は、ユーザーイベントによってトリガされ、同じコンピューティングシステム上で人間と一緒に動作する。アテンディッドロボット132は、集中プロセスデプロイメント及びログ記録媒体のために、コンダクタ120と共に使用され得る。アテンディッドロボット132は、人間のユーザーが達成する様々なタスクを助け、ユーザーイベントによってトリガされ得る。いくつかの実施形態では、プロセスを、このタイプのロボットのコンダクタ120から開始できず、及び/又はロックされた画面の下で実行できない。特定の実施形態では、アテンディッドロボット132は、ロボットトレイ又はコマンドプロンプトからのみ起動され得る。いくつかの実施形態では、アテンディッドロボット132は人間の監督下で実行するべきである。
アンアテンディッドロボット134は、仮想環境で無人で実行し、多くのプロセスをオートメーション化し得る。アンアテンディッドロボット134は、リモート遂行、監視、スケジューリング、及び作業キューのサポートの提供を担当し得る。いくつかの実施形態では、すべてのロボットタイプのデバッグを、デザイナ110で実行してもよい。アテンディッドロボット及びアンアテンディッドロボットの両方は、限定しないが、メインフレーム、ウェブアプリケーション、VM、エンタープライズアプリケーション(例えば、SAP(登録商標)、SalesForce(登録商標)、Oracle(登録商標)などによって製造されたもの)、及びコンピューティング・システム・アプリケーション(例えば、デスクトップ及びラップトップアプリケーション、モバイル・デバイス・アプリケーション、ウェアラブル・コンピュータ・アプリケーションなど)を含む、様々なシステム及びアプリケーションをオートメーション化し得る。
コンダクタ120は、限定しないが、プロビジョニング、デプロイメント、構成、キューイング、監視、ログ記録、及び/又は相互接続性の提供を含む、様々な機能を有し得る。プロビジョニングは、ロボット130とコンダクタ120(例えば、ウェブアプリケーション)との間の接続の作成及び保守を含み得る。デプロイメントは、遂行のために、割り当てられたロボット130へのパッケージバージョンの正しい送達を保証することを含み得る。構成は、ロボット環境及びプロセス構成の維持及び送達を含み得る。キューイングは、キュー及びキュー項目の管理を提供することを含み得る。監視は、ロボット識別データを追跡し続け、ユーザー権限を維持することを含み得る。ログ記録は、データベース(例えば、SQLデータベース)及び/又は別のストレージ機構(例えば、大規模なデータセットを記憶し、迅速に照会する能力を提供するElasticSearch(登録商標))に、ログを記憶し、及びインデックス付けすることを含み得る。コンダクタ120は、サードパーティのソリューション及び/又はアプリケーションのための通信の集中ポイントとして作用することによって、相互接続性を提供し得る。
ロボット130は、デザイナ110に構築されたワークフローを実行する遂行エージェントである。ロボット130のいくつかの実施形態の一商用例は、UiPath Robots(商標)である。いくつかの実施形態では、ロボット130は、デフォルトで、Microsoft Windows(登録商標)Service Control Manager(SCM)管理サービスをインストールする。結果として、そのようなロボット130は、ローカル・システム・アカウントの下でインタラクティブなWindows(登録商標)セッションを開き、Windows(登録商標)サービスの権利を有し得る。
いくつかの実施形態では、ロボット130は、ユーザーモードでインストールされてもよい。このようなロボット130の場合、これは、所与のロボット130がインストールされているユーザーと同じ権利を有することを意味する。この特徴は、その最大の可能性で各機械の完全な利用を保証する高密度(HD)ロボットにも利用可能であり得る。いくつかの実施形態では、任意のタイプのロボット130をHD環境で構成してもよい。
いくつかの実施形態におけるロボット130は、いくつかのコンポーネントに分割され、その各々は、特定のオートメーションタスクに専用である。いくつかの実施形態におけるロボットコンポーネントは、限定しないが、SCM管理ロボットサービス、ユーザー・モード・ロボット・サービス、エグゼキュータ、エージェント、及びコマンドラインを含む。SCM管理ロボットサービスは、Windows(登録商標)セッションを管理し、及び監視し、コンダクタ120と遂行ホスト(すなわち、ロボット130が遂行されるコンピューティングシステム)との間のプロキシとして作用する。これらのサービスは、ロボット130の資格情報で信頼され、資格情報を管理する。コンソールアプリケーションは、ローカルシステムの下でSCMによって起動される。
いくつかの実施形態におけるユーザー・モード・ロボット・サービスは、Windows(登録商標)セッションを管理し、及び監視し、コンダクタ120と遂行ホストとの間のプロキシとして作用する。ユーザー・モード・ロボット・サービスは、ロボット130のための資格情報で信頼され、資格情報を管理し得る。SCM管理ロボットサービスがインストールされていない場合、Windows(登録商標)アプリケーションが、自動的に起動されてもよい。
エグゼキュータは、Windows(登録商標)セッション下で所与のジョブを実行し得る(すなわち、エグゼキュータはワークフローを遂行し得る。エグゼキュータは、パ-モニタ・ドット・パー・インチ(DPI)設定を認識していてもよい。エージェントは、システム・トレイ・ウィンドウに利用可能なジョブを表示するWindows(登録商標)Presentation Foundation(WPF)アプリケーションであってもよい。エージェントは、サービスのクライアントであってもよい。エージェントは、ジョブの開始又は停止、及び設定の変更を要求し得る。コマンドラインは、サービスのクライアントである。コマンドラインは、コンソールアプリケーションであり、コンソールアプリケーションは、ジョブの開始を要求し、その出力を待つことができる。
上記で説明したようにロボット130のコンポーネントを分割することは、各コンポーネントが遂行していることについて、開発者、サポートユーザー、及びコンピューティングシステムによる、容易な実行、識別、及び追跡に役立つ。このようにして、エグゼキュータ及びサービスに対して異なるファイアウォールルールを設定するなど、特別な挙動をコンポーネントごとに構成し得る。エグゼキュータは、いくつかの実施形態では、モニタごとにDPI設定を常に認識し得る。結果として、ワークフローは、それらが作成されたコンピューティングシステムの構成にかかわらず、任意のDPIで遂行され得る。いくつかの実施形態では、デザイナ110からのプロジェクトは、ブラウザのズームレベルとは無関係であってもよい。DPIを認識していない、又は意図的に認識していないとマークされたアプリケーションの場合、いくつかの実施形態では、DPIを無効にし得る。
図2は、本発明の一実施形態による、デプロイメントされたRPAシステム200を示すアーキテクチャ図である。いくつかの実施形態では、RPAシステム200は、図1のRPAシステム100であってもよいし、その一部であってもよい。クライアントサイド、サーバサイド、又はその両方は、本発明の範囲から逸脱することなく、任意の所望の数のコンピューティングシステムを含み得ることに留意されたい。クライアントサイドでは、ロボットアプリケーション210は、エグゼキュータ212と、エージェント214と、デザイナ216と、を含む。しかしながら、いくつかの実施形態では、デザイナ216は、コンピューティングシステム210上で実行されていなくてもよい。エグゼキュータ212は、実行中のプロセスである。図2に示すように、いくつかのビジネスプロジェクトが同時に実行されてもよい。エージェント214(例えば、Windows(登録商標)サービス)は、本実施形態ではすべてのエグゼキュータ212に対する単一の接続ポイントである。本実施形態におけるすべてのメッセージは、コンダクタ230にログ記録され、コンダクタ230は、データベースサーバ240、インデクササーバ250、又はその両方を介してログ記録したものを更に処理する。図1に関して上述したように、エグゼキュータ212は、ロボットコンポーネントであってもよい。
いくつかの実施形態では、ロボットは、機械名とユーザー名との間の関連付けを表す。ロボットは、複数のエグゼキュータを同時に管理し得る。同時に実行される複数のインタラクティブなセッション(例えば、Windows(登録商標)Server 2012)をサポートするコンピューティングシステムでは、複数のロボットが同時に実行され、それぞれが一意のユーザー名を使用して別々のWindows(登録商標)セッションで実行されてもよい。これは、上記ではHDロボットと呼ばれる。
エージェント214はまた、ロボットのステータス(例えば、ロボットがまだ機能していることを示す「ハートビート」メッセージを定期的に送信する)を送信し、遂行されるパッケージの必要なバージョンをダウンロードする役割も担う。エージェント214とコンダクタ230との間の通信は、いくつかの実施形態では、常にエージェント214によって開始される。通知シナリオでは、エージェント214は、ロボットにコマンド(例えば、始動、停止など)を送信するために、コンダクタ230によって後で使用されるWebSocketチャネルを開き得る。
サーバサイドには、プレゼンテーション層(ウェブアプリケーション232、オープン・データ・プロトコル(OData)代表状態転送(REST)アプリケーション・プログラミング・インタフェース(API)エンドポイント234、並びに通知監視236)、サービス層(API実装/ビジネスロジック238)、及び永続層(データベースサーバ240、インデクササーバ250)が含まれる。コンダクタ230は、ウェブアプリケーション232と、OData REST APIエンドポイント234と、通知監視236と、API実装/ビジネスロジック238と、を含む。いくつかの実施形態では、ユーザーがコンダクタ220のインターフェース(例えば、ブラウザ220を介して)内で実施するほとんどのアクションは、様々なAPIを呼び出すことによって実施される。そのようなアクションは、限定しないが、本発明の範囲から逸脱することなく、ロボットでのジョブの開始、キュー内のデータの追加/削除、無人で実行するためのジョブのスケジューリングなどを含んでもよい。ウェブアプリケーション232は、サーバプラットフォームのビジュアル層である。本実施形態では、ウェブアプリケーション232は、ハイパーテキストマークアップ言語(HTML)及びJavaScript(JS)を使用する。しかしながら、本発明の範囲から逸脱することなく、任意の所望のマークアップ言語、スクリプト言語、又は任意の他のフォーマットを使用してもよい。ユーザーは、コンダクタ230を制御する様々なアクションを実施するために、本実施形態では、ブラウザ220を介してウェブアプリケーション232からのウェブページとインタラクトする。例えば、ユーザーは、ロボットグループを作成し、ロボットにパッケージを割り当て、ロボットごと及び/又はプロセスごとにログを分析し、ロボットを起動し、及び停止するなどしてもよい。
ウェブアプリケーション232に加えて、コンダクタ230はまた、OData REST APIエンドポイント234を公開するサービス層を含む。しかしながら、本発明の範囲から逸脱することなく、他のエンドポイントを含んでもよい。REST APIは、ウェブアプリケーション232とエージェント214の両方によって消費される。エージェント214は、本実施形態ではクライアントコンピュータ上の1つ又は複数のロボットの管理者である。
本実施形態におけるREST APIは、構成、ログ記録、監視、及びキューイング機能をカバーする。構成エンドポイントは、いくつかの実施形態では、アプリケーションユーザー、権限、ロボット、アセット、リリース及び環境を、定義し、及び構成するために使用されてもよい。例えば、エラー、ロボットによって送信された明示的なメッセージ、及び他の環境固有の情報など、様々な情報をログに記録するために、RESTエンドポイントをログに記録することが使用されてもよい。開始ジョブコマンドがコンダクタ230内で使用される場合に遂行されるべきパッケージバージョンを照会するために、デプロイメントRESTエンドポイントがロボットによって使用され得る。RESTエンドポイントをキューイングすることは、キューにデータを追加すること、キューからトランザクションを取得すること、トランザクションのステータスを設定することなど、キュー及びキュー項目管理を担当し得る。
RESTエンドポイントの監視により、ウェブアプリケーション232及びエージェント214を監視し得る。通知監視API236は、エージェント214の登録、エージェント214への構成設定の送達、並びにサーバ及びエージェント214からの通知の送信/受信のために使用されるRESTエンドポイントであってもよい。通知監視API236はまた、いくつかの実施形態では、WebSocket通信を使用してもよい。
永続層は、本実施形態におけるサーバのペア、すなわちデータベースサーバ240(例えば、SQLサーバ)及びインデクササーバ250を含む。本実施形態におけるデータベースサーバ240は、ロボット、ロボットグループ、関連するプロセス、ユーザー、役割、スケジュールなどの構成を記憶する。この情報は、いくつかの実施形態では、ウェブアプリケーション232を介して管理される。データベースサーバ240は、キュー及びキュー項目を管理し得る。いくつかの実施形態では、データベースサーバ240は、(インデクササーバ250に加えて、又はその代わりに)ロボットによってログ記録されたメッセージを記憶してもよい。
インデクササーバ250は、いくつかの実施形態では任意選択であり、ロボットによってログ記録された情報を記憶し、及びインデックス付けする。特定の実施形態では、インデクササーバ250は、構成設定を介して無効にされてもよい。いくつかの実施形態では、インデクササーバ250は、オープン・ソース・プロジェクトのフルテキスト検索エンジンであるElasticSearch(登録商標)を使用する。(例えば、ログメッセージ又は行書き込みのようなアクティビティを使用する)ロボットによってログ記録されたメッセージは、ログ記録RESTエンドポイントを介してインデクササーバ250に送信されてもよく、そこでそれらは将来の利用のためにインデックス付けされる。
図3は、本発明の一実施形態による、デザイナ310と、アクティビティ320,330と、ドライバ340との間の関係300を示すアーキテクチャ図である。上記により、開発者は、デザイナ310を使用して、ロボットによって遂行されるワークフローを開発する。ワークフローは、ユーザー定義のアクティビティ320及びUIオートメーションアクティビティ330を含み得る。いくつかの実施形態は、本明細書では、コンピュータビジョン(CV)と呼ぶ、画像内の非テキスト視覚コンポーネントを識別し得る。そのようなコンポーネントに関係するいくつかのCVアクティビティは、限定しないが、クリック、タイプ、テキストを取得、ホバー、要素存在、リフレッシュ範囲、ハイライトなどを含み得る。いくつかの実施形態では、クリックは、例えば、CV、光学文字認識(OCR)、ファジー文字マッチング、及びマルチアンカーを使用して要素を識別し、それをクリックする。タイプは、上記及び要素内のタイプを使用して要素を識別し得る。テキストを取得は、OCRを使用して特定のテキストの位置を識別し、それをスキャンし得る。ホバーは、要素を識別し、それをホバーし得る。要素存在は、上述した技術を使用して、画面上に要素が存在するか否かをチェックし得る。いくつかの実施形態では、デザイナ310に実装され得るアクティビティは、数百又は数千であってもよい。しかしながら、本発明の範囲から逸脱することなく、アクティビティの任意の数及び/又はタイプが利用可能である。
UIオートメーションアクティビティ330は、特別な下位レベルのアクティビティのサブセットであり、それは、下位レベルコード(例えば、CVアクティビティ)に書き込まれ、画面とのインタラクションを容易にする。UIオートメーションアクティビティ330は、ロボットが、所望のソフトウェアとインタラクトし得るドライバ340を介して、これらのインタラクションを容易にする。例えば、ドライバ340は、OSドライバ342、ブラウザドライバ344、VMドライバ346、エンタープライズ・アプリケーション・ドライバ348などを含んでもよい。
ドライバ340は、フックを探し、キーを監視するなど、低レベルでOSとインタラクトし得る。それらは、Chrome(登録商標)、IE(登録商標)、シトリックス(登録商標)、SAP(登録商標)などとの統合を容易にし得る。例えば、「クリック」アクティビティは、ドライバ340を介してこれらの異なるアプリケーションで同じ役割を実施する。
図4は、本発明の一実施形態による、RPAシステム400を示すアーキテクチャ図である。いくつかの実施形態では、RPAシステム400は、図1及び/又は図2のRPAシステム100及び/又は200であり得るか、それらを含み得る。RPAシステム400は、ロボットを実行する複数のクライアント・コンピューティング・システム410を含む。コンピューティングシステム410は、その上で実行されるウェブアプリケーションを介してコンダクタ・コンピューティング・システム420と通信し得る。次に、コンダクタ・コンピューティング・システム420は、データベースサーバ430及び任意選択のインデクササーバ440と通信し得る。
図1及び図3に関して、これらの実施形態ではウェブアプリケーションが使用されているが、本発明の範囲から逸脱することなく、任意の適切なクライアント/サーバソフトウェアを使用し得ることに留意されたい。例えば、コンダクタは、クライアント・コンピューティング・システム上の非ウェブベースのクライアント・ソフトウェア・アプリケーションと通信するサーバサイドアプリケーションを実行してもよい。
図5は、本発明の一実施形態による、RPAワークフローのための再構成可能ワークベンチパイプラインを実装するように構成されたコンピューティングシステム500を示すアーキテクチャ図である。いくつかの実施形態では、コンピューティングシステム500は、本明細書に図示及び/又は記載したコンピューティングシステムのうちの1つ又は複数であってもよい。コンピューティングシステム500は、情報を通信するためのバス505又は他の通信機構と、情報を処理するためにバス505に結合されたプロセッサ510と、を含む。プロセッサ510は、中央処理装置(CPU)、特定用途向け集積回路(ASIC)、フィールド・プログラマブル・ゲート・アレイ(FPGA)、グラフィックス・プロセッシング・ユニット(GPU)、それらの複数のインスタンス、及び/又はそれらの任意の組合せを含む、任意のタイプの汎用又は専用プロセッサであってもよい。プロセッサ510はまた、複数の処理コアを有してもよく、コアの少なくともいくつかは、特定の機能を実施するように構成されてもよい。いくつかの実施形態では、複数並列処理を使用してもよい。特定の実施形態では、プロセッサ510の少なくとも1つは、生体ニューロンを模倣する処理要素を含むニューロモーフィック回路であってもよい。いくつかの実施形態では、ニューロモーフィック回路は、フォン・ノイマン・コンピューティング・アーキテクチャの典型的なコンポーネントを必要としなくてもよい。
コンピューティングシステム500は、情報、及びプロセッサ510によって遂行される命令を記憶するメモリ515を更に含む。メモリ515は、ランダム・アクセス・メモリ(RAM)、読み出し専用メモリ(ROM)、フラッシュメモリ、キャッシュ、磁気若しくは光ディスクなどの静的ストレージ、又は任意の他のタイプの非一時的コンピュータ可読媒体、又はそれらの組合せのうちの任意の組合せから構成されてもよい。非一時的コンピュータ可読媒体は、プロセッサ510によってアクセスされ得る任意の利用可能な媒体であってもよく、揮発性媒体、不揮発性媒体、又はその両方を含んでもよい。媒体はまた、取り外し可能、取り外し不能、又はその両方であってもよい。
更に、コンピューティングシステム500は、無線及び/又は有線接続を介して通信ネットワークへのアクセスを提供するためのトランシーバなどの通信デバイス520を含む。いくつかの実施形態では、通信デバイス520は、周波数分割多元接続(FDMA)、シングルキャリアFDMA(SC-FDMA)、時分割多元接続(TDMA)、符号分割多元接続(CDMA)、直交周波数分割多重方式(OFDM)、直交周波数分割多元接続(OFDMA)、移動体用グローバルシステム(GSM)通信、汎用パケット無線サービス(GPRS)、ユニバーサル移動体通信システム(UMTS)、cdma 2000、広帯域CDMA(W-CDMA)、高速ダウンリンク・パケット・アクセス(HSDPA)、高速アップリンク・パケット・アクセス(HSUPA)、高速パケットアクセス(HSPA)、ロング・ターム・エボリューション(LTE)、LTEアドバンスト(LTE-A)、802.11x、Wi-Fi、ジグビー、超広帯域無線(UWB)、802.16x、802.15、ホームノードB(HnB)、Bluetooth、無線周波数識別(RFID)、赤外線データ協会(IrDA)、近距離無線通信(NFC)、第5世代(5G)、エヌアール(NR)、それらの任意の組合せ、並びに/あるいは本発明の範囲から逸脱しない任意の他の現在存在する、又は将来実施される通信規格及び/若しくはプロトコルを使用するように構成される。いくつかの実施形態では、通信デバイス520は、1つ又は複数のアンテナを含んでもよく、そのアンテナは、本発明の範囲から逸脱することなく、単数、アレイ、位相、切り替え、ビームフォーミング、ビームステア、それらの組合せ、及び又は任意の他のアンテナ構成である。
プロセッサ510は、バス505を介して、ディスプレイ525に更に結合され、そのディスプレイは、プラズマディスプレイ、液晶ディスプレイ(LCD)、発光ダイオード(LED)ディスプレイ、電界放出ディスプレイ(FED)、有機発光ダイオード(OLED)ディスプレイ、フレキシブルOLEDディスプレイ、フレキシブル基板ディスプレイ、プロジェクションディスプレイ、4Kディスプレイ、高精細ディスプレイ、Retina(登録商標)ディスプレイ、インプレーンスイッチング(IPS)ディスプレイ、又はユーザーに情報を表示するための任意の他の適切なディスプレイである。ディスプレイ525は、抵抗性、容量性、表面弾性波(SAW)容量性、赤外線、光学イメージング、分散信号技術、音響パルス認識、フラストレート全内部反射などを使用して、タッチ(触覚)ディスプレイ、3次元(3D)タッチディスプレイ、マルチ入力タッチディスプレイ、マルチタッチディスプレイなどとして構成され得る。本発明の範囲から逸脱することなく、任意の適切なディスプレイデバイス及び触覚I/Oが使用され得る。
キーボード530、及びコンピュータマウス、タッチパッドなどのカーソル制御デバイス535は、ユーザーがコンピューティングシステムとインターフェースすることを可能にするために、バス505に更に結合される。しかしながら、特定の実施形態では、物理的なキーボード及びマウスが存在しなくてもよく、ユーザーは、ディスプレイ525及び/又はタッチパッド(図示せず)のみを介してデバイスとインタラクトしてもよい。入力デバイスの任意のタイプ及び組合せを、設計上の選択事項として使用し得る。特定の実施形態では、物理的入力デバイス及び/又はディスプレイは存在しない。例えば、ユーザーは、コンピューティングシステム500と通信する別のコンピューティングシステムを介して、コンピューティングシステム500と遠隔にインタラクトしてもよく、又はコンピューティングシステム500は、自律的に動作してもよい。
メモリ515は、プロセッサ510によって遂行された場合、機能を提供するソフトウェアモジュールを記憶する。モジュールは、コンピューティングシステム500のためのオペレーティングシステム540を含む。モジュールは、本明細書に記載のプロセス又はその派生物の全部又は一部を実施するように構成されたワークベンチマーク・パイプライン・モジュール545を更に含む。コンピューティングシステム500は、追加の機能を含む1つ又は複数の追加の機能モジュール550を含み得る。
当業者であれば、「システム」が、本発明の範囲から逸脱することなく、サーバ、組込みコンピューティングシステム、パーソナルコンピュータ、コンソール、パーソナル・デジタル・アシスタント(PDA)、携帯電話、タブレット・コンピューティング・デバイス、量子コンピューティングシステム、又は任意の他の適切なコンピューティングデバイス、又はデバイスの組合せとして具現化され得ることを理解するであろう。上記の機能を「システム」によって実施されるものとして提示することは、本発明の範囲を限定することを決して意図するものではなく、本発明の多くの実施形態の一例を提供することを意図している。実際、本明細書に開示した方法、システム、及び装置は、クラウド・コンピューティング・システムを含むコンピューティング技術と一致する局所化された形態及び分散された形態で実装され得る。
本明細書に記載されたシステム特徴のいくつかは、それらの実装の独立性をより具体的に強調するために、モジュールとして提示されていることに留意されたい。例えば、モジュールは、カスタムの超大規模集積(VLSI)回路又はゲートアレイ、既製の半導体、例えばロジックチップ、トランジスタ、又は他のディスクリートコンポーネントなどを含むハードウェア回路として実装されてもよい。モジュールはまた、フィールド・プログラマブル・ゲート・アレイ、プログラマブル・アレイ・ロジック、プログラマブル・ロジック・デバイス、グラフィックス・プロセッシング・ユニットなどのプログラマブル・ハードウェア・デバイスに実装されてもよい。
モジュールはまた、様々なタイプのプロセッサによって遂行するためのソフトウェアに少なくとも部分的に実装されてもよい。遂行可能コードの識別されたユニットは、例えば、オブジェクト、手順、又は機能として編成され得るコンピュータ命令の1つ又は複数の物理ブロック又は論理ブロックを含んでもよい。それにもかかわらず、識別されたモジュールの遂行可能なものは、物理的に共に配置される必要はないが、論理的に共に結合されたときに、異なる場所に記憶され、モジュールを含み、モジュールの記載された目的を達成する異なる命令を含み得る。更に、モジュールは、例えば、ハード・ディスク・ドライブ、フラッシュデバイス、RAM、テープ、及び/又は本発明の範囲から逸脱することなくデータを記憶するために使用される任意の他のそのような非一時的コンピュータ可読媒体であり得るコンピュータ可読媒体に記憶されてもよい。
実際、モジュールの遂行可能コードは、単一の命令、又は多くの命令であってもよく、いくつかの異なるコードセグメントにわたって、異なるプログラム中に、及びいくつかのメモリデバイスの間に、分散されてもよい。同様に、操作データは、本明細書ではモジュール内で識別され、及び図示され、任意の適切な形態で具現化され、任意の適切なタイプのデータ構造内に編成されてもよい。操作データは、単一のデータセットとして収集されてもよく、又は異なるストレージデバイスを含む異なる場所にわたって分散されてもよく、少なくとも部分的に、システム又はネットワーク上の電子信号としてのみ存在してもよい。
図6は、本発明の一実施形態による、出力を生成していない(又は正しい出力を生成していない)再構成可能なワークベンチパイプライン600、及びその性能を修正するための操作を示している。初期状態Aでは、4つのコンポーネント1、2、3、及び4が、連鎖して出力を生成する。しかしながら、右側の「X」で示すように、コンポーネント2からの出力により、出力が生成されないか、又は誤った出力が生成されている。ワークベンチパイプラインは、最初に、状態Bにおけるコンポーネント1の入力及び出力をチェックする。これらが正しいと判定され、したがって、ワークベンチパイプラインは、状態Cにおけるコンポーネント2の出力をチェックすることに進む。コンポーネント2の出力は、このユースケースに対してエラーがあると判定する。
次いで、システムは、新規のコンポーネントをテストすることによって問題に対するソリューションを見つけようと試みる(例えば、MLモデル、条件付きロジックなど)。この例では、システムは、コンポーネント5の挿入がパイプラインの正しい出力を提供すると判定し、ステップDでコンポーネント2とコンポーネント5とを置換する。これは、正しい出力を生成するようにパイプラインを改良し、したがってパイプラインを「修復」し、パイプラインを再構成可能にする。
図7は、本発明の一実施形態による、MLを使用したRPAワークフローのための再構成可能ワークベンチパイプラインを実装するプロセス700を示すフローチャートである。プロセスは、710において、RPAロボットによるグローバルワークフローの遂行から始まる。次いで、720において、グローバルワークフローのパイプラインがシナリオに対して正しく作業していないと、(例えば、RPAロボット、別のソフトウェアアプリケーション、コンピューティングシステムなどによって)判定される。730において、AI駆動テストを採用し、パイプラインに適用される、及び/又はグローバルワークフローのパイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化する。
いくつかの実施形態では、パイプラインに適用されるモデル又は他のコンポーネントの識別は、図6に関して上述したプロセスと同様であってもよい。例えば、パイプラインが出力を生成していないか、又は正しい出力を生成していない場合、第1のコンポーネントの入力及び出力をチェックしてもよい。入力及び出力の一方又は両方が正しくない場合、(例えば、入力エラーの場合にデータソースを分析することによって、又は出力エラーがある場合に第1のコンポーネントを再構成又は交換することによって)修正アクションを実施してもよい。データソースを分析することは、入力を生成しているソフトウェア、システム、ロボットなどにおけるロジックをチェックすることを含んでもよい。例えば、データベース操作における1つ又は複数のSQLコマンドは正しくない可能性がある。第1のコンポーネントを再構成することは、コンポーネントのパラメータを改良すること、そのロジックを変更すること、コンポーネントに異なるMLモデルに呼び出させること、それらの任意の組合せなどを含んでもよい。第1のコンポーネントの入力及び出力が正しい場合、パイプライン内で適切に作業していないすべてのコンポーネントが識別され、対処されるまで、第2のコンポーネントの出力がチェックされ、次いで第3のコンポーネントがチェックされ、以下同様である。
いくつかの実施形態では、730において、パイプラインについて1つ又は複数のMLモデル及び/又は他のコンポーネントを判定することができない場合、732において、システムは、パイプラインが正しく機能していないことをRPA開発者に通知し(例えば、ワークフロー、適切に機能していないパイプラインコンポーネント、交換コンポーネントがどれか及び/又は既存のコンポーネントへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を送信)し、734において、RPA開発者からのガイダンスを受け取る。いくつかの実施形態では、RPA開発者からのガイダンスは、パイプラインの修復バージョン、ローカルワークフロー、新規のパイプラインコンポーネント、それらの任意の組合せなどを含んでもよい。次に、システムは、740において、ローカルワークフローのパイプラインに、識別したMLモデル及び/又は他のコンポーネントを実装する。次いで、750において、新規のバージョンのRPAロボットが生成され、ローカルワークフローを遂行する。760において、RPAロボットの新規のバージョンがデプロイメントされ、770において、ローカルワークフローがRPAロボットの新規のバージョンによって遂行される。
図7で実施されるプロセスステップは、本発明の実施形態に従って、プロセッサが図7に記載したプロセスの少なくとも一部を実施するために、命令を符号化するコンピュータプログラムによって実施されてもよい。コンピュータプログラムは、非一時的コンピュータ可読媒体上で具現化されてもよい。コンピュータ可読媒体は、限定しないが、ハード・ディスク・ドライブ、フラッシュデバイス、RAM、テープ、及び/あるいはデータを記憶するために使用される任意の他のそのような媒体又は媒体の組合せであってもよい。コンピュータプログラムは、コンピュータ可読媒体に記憶され得る、図7に記載したプロセスステップの全部又は一部を実装するように、コンピューティングシステム(例えば、図5のコンピューティングシステム500のプロセッサ510)のプロセッサを制御するための符号化された命令を含んでもよい。
コンピュータプログラムは、ハードウェア、ソフトウェア、又はハイブリッド実装で実装してもよい。コンピュータプログラムは、互いに動作可能に通信し、情報又は命令を表示のために渡すように設計されたモジュールから構成してもよい。コンピュータプログラムは、汎用コンピュータ、ASIC、又は任意の他の適切なデバイス上で動作するように構成してもよい。
本発明の様々な実施形態のコンポーネントは、本明細書の図に一般的に記載及び図示されているように、多種多様な異なる構成で配置及び設計されてもよいことが容易に理解されよう。したがって、添付の図面に表すように、本発明の実施形態の詳細な説明は、特許請求される本発明の範囲を限定することを意図するものではなく、本発明の選択された実施形態を単に代表するものである。
本明細書を通して記載した本発明の特徴、構造、又は特性は、1つ又は複数の実施形態において任意の適切な方法で組み合わせられ得る。例えば、本明細書全体を通して「特定の実施形態」、「いくつかの実施形態」、又は同様の文言への言及は、実施形態に関連して記載した特定の特徴、構造、又は特性が本発明の少なくとも1つの実施形態に含まれることを意味する。したがって、本明細書全体を通して、「特定の実施形態では」、「いくつかの実施形態では」、「他の実施形態では」、又は同様の文言の出現は、必ずしもすべてが同じ実施形態のグループを指すわけではなく、記載した特徴、構造、又は特性は、1つ又は複数の実施形態において任意の適切な方法で組み合わせられ得る。
本明細書を通して特徴、利点、又は同様の文言への言及は、本発明で実現され得る特徴及び利点のすべてが本発明の任意の単一の実施形態であるべきであること、又は本発明の任意の単一の実施形態であることを意味するものではないことに留意されたい。むしろ、特徴及び利点に言及する文言は、実施形態に関連して記載した特定の特徴、利点、又は特性が本発明の少なくとも1つの実施形態に含まれることを意味すると理解される。したがって、本明細書を通して、特徴及び利点、並びに同様の文言の説明は、必ずしもそうとは限らないが、同じ実施形態を参照し得る。
更に、本発明の記載した特徴、利点、及び特性は、1つ又は複数の実施形態において任意の適切な方法で組み合わせられてもよい。当業者は、特定の実施形態の特定の特徴又は利点のうちの1つ又は複数なしに、本発明を実施し得ることを認識するであろう。他の例では、本発明のすべての実施形態には存在しない可能性がある特定の実施形態において、追加の特徴及び利点が認識され得る。
当業者であれば、上記のような本発明は、異なる順序のステップで、及び/又は開示されているものとは異なる構成のハードウェア要素で実施され得ることを容易に理解するであろう。したがって、本発明を、これらの好ましい実施形態に基づいて記載しているが、本発明の精神及び範囲内に留まりながら、特定の改良、変形、及び代替構造が明らかであることは、当業者には明らかであろう。したがって、本発明の範囲を決定するために、添付の特許請求の範囲を参照すべきである。
Claims (20)
- 機械学習(ML)を使用してロボティック・プロセス・オートメーション(RPA)ワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法であって、
RPAロボットによって、グローバルワークフローを遂行することと、
前記グローバルワークフローのパイプラインがシナリオに対して正しく作業していないと判定することと、
人工知能(AI)駆動テストを採用し、前記パイプラインに適用される、及び/又は前記グローバルワークフローの前記パイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、前記シナリオに関する、前記グローバルワークフローを修復するか、又は前記グローバルワークフローを特殊化することと、
ローカルワークフローのパイプラインに、前記識別したMLモデル及び/又は他のコンポーネントを実装することと
を含む、コンピュータ実装方法。 - 前記ローカルワークフローを遂行するように構成された前記RPAロボットの新規のバージョンを生成することを更に含む、請求項1に記載のコンピュータ実装方法。
- 前記RPAロボットの前記新規のバージョンをデプロイメントすることと、
前記RPAロボットの前記新規のバージョンによって、前記ローカルワークフローを遂行することと、を更に含む、請求項2に記載のコンピュータ実装方法。 - 前記シナリオに関する、前記グローバルワークフローを修復する、又は前記グローバルワークフローを特殊化するために、前記グローバルワークフローの前記パイプラインに適用される1つ若しくは複数のMLモデル又は他のコンポーネントが識別され得ない場合、前記方法が、
前記パイプラインが正しく機能していないことをRPA開発者に通知することと、
前記パイプラインをどのように修正するかに関する前記RPA開発者からのガイダンスを受け取ることと、を更に含む、請求項1に記載のコンピュータ実装方法。 - 前記通知が、前記ローカルワークフロー、適切に機能していない1つ又は複数のパイプラインコンポーネント、交換コンポーネントがどれか及び/又は既存のコンポーネントへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を、前記RPA開発者に送信することを含む、請求項4に記載のコンピュータ実装方法。
- 前記RPA開発者からの前記ガイダンスが、前記パイプラインの修復バージョン、前記ローカルワークフロー、1つ又は複数の新規のパイプラインコンポーネント、あるいはそれらの任意の組合せを含む、請求項4に記載のコンピュータ実装方法。
- 前記AI駆動テストが、
前記パイプラインの第1のコンポーネントの出力をチェックすることと、
前記第1のコンポーネントの前記出力が正しくない場合、前記第1のコンポーネントを再構成又は交換することと、
前記パイプライン内の各後続コンポーネントの出力をチェックすることと、前記パイプラインの出力が正しいか、又はすべてのコンポーネントの出力がチェックされるまで、誤って動作している各コンポーネントを再構成又は置換することと、を含む、請求項1に記載のコンピュータ実装方法。 - 前記再構成することが、前記それぞれのコンポーネントのパラメータを改良することと、前記それぞれのコンポーネントのロジックを変更することと、前記それぞれのコンポーネントに異なるMLモデルを呼び出させることと、それらの任意の組合せと、を含む、請求項7に記載のコンピュータ実装方法。
- 前記第1のコンポーネントの入力を分析することと、
前記第1のコンポーネントの前記入力が正しくない場合、前記第1のコンポーネントの前記入力のデータソースを分析することと、を更に含む、請求項7に記載のコンピュータ実装方法。 - 機械学習(ML)を使用してロボティック・プロセス・オートメーション(RPA)ワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法であって、
グローバルワークフローのパイプラインがシナリオに対して正しく作業していないと判定することと、
人工知能(AI)駆動テストを採用し、前記パイプラインに適用される、及び/又は前記グローバルワークフローの前記パイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、前記シナリオに関する、前記グローバルワークフローを修復するか、又は前記グローバルワークフローを特殊化することと、
ローカルワークフローのパイプラインに、前記識別したMLモデル及び/又は他のコンポーネントを実装することと
を含む、コンピュータ実装方法。 - 前記ローカルワークフローを遂行するように構成されるRPAロボットを生成することと、
前記RPAロボットをデプロイメントすることと、
前記RPAロボットによって、前記ローカルワークフローを遂行することと、を更に含む、請求項10に記載のコンピュータ実装方法。 - 前記シナリオに関する、前記グローバルワークフローを修復する、又は前記グローバルワークフローを特殊化するために、前記グローバルワークフローの前記パイプラインに適用される1つ若しくは複数のMLモデル又は他のコンポーネントが識別され得ない場合、前記方法が、
前記パイプラインが正しく機能していないことをRPA開発者に通知することであって、
前記通知が、前記ローカルワークフロー、適切に機能していない1つ又は複数のパイプラインコンポーネント、交換コンポーネントがどれか及び/又は既存のコンポーネントへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を、前記RPA開発者に送信することを含む、通知することを、更に含む、請求項10に記載のコンピュータ実装方法。 - 前記パイプラインを修正する方法に関するガイダンスを前記RPA開発者から受け取ることであって、
前記RPA開発者からの前記ガイダンスが、前記パイプラインの修復バージョン、前記ローカルワークフロー、1つ又は複数の新規のパイプラインコンポーネント、又はそれらの任意の組合せを含む、受け取ること、を更に含む、請求項12に記載のコンピュータ実装方法。 - 前記AI駆動テストが、
前記パイプラインの第1のコンポーネントの出力をチェックすることと、
前記第1のコンポーネントの前記出力が正しくない場合、前記第1のコンポーネントを再構成又は交換することと、
前記パイプラインの出力が正しいか、又はすべてのコンポーネントの出力がチェックされるまで、前記パイプライン内の各後続のコンポーネントの出力をチェックすることと、を含む、請求項10に記載のコンピュータ実装方法。 - 前記再構成することが、前記それぞれのコンポーネントのパラメータを改良することと、前記それぞれのコンポーネントのロジックを変更することと、前記それぞれのコンポーネントに異なるMLモデルを呼び出させることと、それらの任意の組合せと、を含む、請求項14に記載のコンピュータ実装方法。
- 前記第1のコンポーネントの入力を分析することと、
前記第1のコンポーネントの前記入力が正しくない場合、前記第1のコンポーネントの前記入力のデータソースを分析することと、を更に含む、請求項14に記載のコンピュータ実装方法。 - 機械学習(ML)を使用してロボティック・プロセス・オートメーション(RPA)ワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法であって、
人工知能(AI)駆動テストを採用し、パイプラインに適用される、及び/又はグローバルワークフローの前記パイプラインで改良される1つ若しくは複数のMLモデル又は他のコンポーネントを識別して、シナリオに関する、前記グローバルワークフローを修復するか、又は前記グローバルワークフローを特殊化することと、
ローカルワークフローのパイプラインに、前記識別したMLモデル及び/又は他のコンポーネントを実装することと、を含み、
前記AI駆動テストが、
前記パイプラインの第1のコンポーネントの出力をチェックすることと、
前記第1のコンポーネントの前記出力が正しくない場合、前記第1のコンポーネントを再構成又は交換することと、
前記パイプライン内の各後続コンポーネントの出力をチェックすることと、前記パイプラインの出力が正しいか、又はすべてのコンポーネントの出力がチェックされるまで、誤って動作している各コンポーネントを再構成又は置換することと、を含む、コンピュータ実装方法。 - グローバルワークフローのパイプラインが、シナリオに対して正しく作業していないと判定すること、を更に含む、請求項17に記載のコンピュータ実装方法。
- 前記シナリオに関する、前記グローバルワークフローを修復する、又は前記グローバルワークフローを特殊化するために、前記グローバルワークフローの前記パイプラインに適用される1つ若しくは複数のMLモデル又は他のコンポーネントが識別され得ない場合、前記方法が、
前記パイプラインが正しく機能していないことをRPA開発者に通知することであって、
前記通知が、前記ローカルワークフロー、適切に機能していない1つ又は複数のパイプラインコンポーネント、交換コンポーネントがどれか及び/又は既存のコンポーネントへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を、前記RPA開発者に送信することを含む、通知すること、を更に含む、請求項17に記載のコンピュータ実装方法。 - 前記再構成することが、前記それぞれのコンポーネントのパラメータを改良することと、前記それぞれのコンポーネントのロジックを変更することと、前記それぞれのコンポーネントに異なるMLモデルを呼び出させることと、それらの任意の組合せと、を含む、請求項17に記載のコンピュータ実装方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962915413P | 2019-10-15 | 2019-10-15 | |
US62/915,413 | 2019-10-15 | ||
US16/707,977 | 2019-12-09 | ||
US16/707,977 US11593709B2 (en) | 2019-10-15 | 2019-12-09 | Inserting and/or replacing machine learning models in a pipeline for robotic process automation workflows |
PCT/US2020/046777 WO2021076224A1 (en) | 2019-10-15 | 2020-08-18 | Reconfigurable workbench pipeline for robotic process automation workflows |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022552466A true JP2022552466A (ja) | 2022-12-16 |
Family
ID=75382977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022520185A Pending JP2022552466A (ja) | 2019-10-15 | 2020-08-18 | ロボティック・プロセス・オートメーション・ワークフローのための再構成可能なワークベンチパイプライン |
Country Status (6)
Country | Link |
---|---|
US (1) | US11593709B2 (ja) |
EP (1) | EP4046102A4 (ja) |
JP (1) | JP2022552466A (ja) |
KR (1) | KR20220079830A (ja) |
CN (1) | CN114556387A (ja) |
WO (1) | WO2021076224A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11593709B2 (en) * | 2019-10-15 | 2023-02-28 | UiPath, Inc. | Inserting and/or replacing machine learning models in a pipeline for robotic process automation workflows |
US11110601B2 (en) * | 2019-11-20 | 2021-09-07 | UiPath, Inc. | Scheduling robots for robotic process automation |
CN115061809B (zh) * | 2022-08-08 | 2022-11-11 | 杭州实在智能科技有限公司 | 基于安卓的rpa多任务调度方法及系统 |
Family Cites Families (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7363594B1 (en) * | 2002-08-19 | 2008-04-22 | Sprint Communications Company L.P. | Workflow event editor |
US7849052B2 (en) | 2004-01-28 | 2010-12-07 | Paul David Vicars | Electronic document manager |
US20060195817A1 (en) * | 2005-02-28 | 2006-08-31 | Microsoft Corporation | Visual workflow modeling tools for user interface automation |
US20070143736A1 (en) * | 2005-12-09 | 2007-06-21 | Microsystems Technology, Inc. | Workflow Development Platform |
US20070250335A1 (en) * | 2006-01-31 | 2007-10-25 | Brian Hodges | Workflow applications |
US8949772B1 (en) * | 2009-06-01 | 2015-02-03 | Amazon Technologies, Inc. | Dynamic model based software application development |
US20140025426A1 (en) | 2012-07-23 | 2014-01-23 | Markus Doehring | Workflow adaptation using automated model transformation |
GB2541625A (en) | 2014-05-23 | 2017-02-22 | Datarobot | Systems and techniques for predictive data analytics |
US9870295B2 (en) * | 2014-07-18 | 2018-01-16 | General Electric Company | Automation of workflow creation and failure recovery |
US10210463B2 (en) | 2014-12-05 | 2019-02-19 | Microsoft Technology Licensing, Llc | Quick path to train, score, and operationalize a machine learning project |
WO2016112209A1 (en) * | 2015-01-09 | 2016-07-14 | Ecorithm, Inc. | Machine learning-based fault detection system |
US10417577B2 (en) * | 2015-06-05 | 2019-09-17 | Facebook, Inc. | Machine learning system interface |
US10643144B2 (en) * | 2015-06-05 | 2020-05-05 | Facebook, Inc. | Machine learning system flow authoring tool |
US10395181B2 (en) * | 2015-06-05 | 2019-08-27 | Facebook, Inc. | Machine learning system flow processing |
KR102071335B1 (ko) * | 2015-06-11 | 2020-03-02 | 한국전자통신연구원 | 워크플로우 모델 생성 방법과 워크플로우 모델 실행 방법 및 장치 |
US10664777B2 (en) * | 2015-09-11 | 2020-05-26 | Workfusion, Inc. | Automated recommendations for task automation |
US9772934B2 (en) * | 2015-09-14 | 2017-09-26 | Palantir Technologies Inc. | Pluggable fault detection tests for data pipelines |
US20170161855A1 (en) | 2015-12-08 | 2017-06-08 | C2C Solutions, Inc. | Optimized small screen device to display visual elements in a real property dashboard involving predictive analytics |
US11295228B2 (en) * | 2016-03-21 | 2022-04-05 | Wipro Limited | Methods for creating automated dynamic workflows of interoperable bots and devices thereof |
US10681062B2 (en) | 2016-11-02 | 2020-06-09 | Accenture Global Solutions Limited | Incident triage scoring engine |
US20180189679A1 (en) * | 2017-01-03 | 2018-07-05 | Electronics And Telecommunications Research Institute | Self-learning system and method for automatically performing machine learning |
US11157855B2 (en) * | 2017-01-09 | 2021-10-26 | Sutherland Global Services Inc. | Robotics process automation platform |
US10682761B2 (en) * | 2017-06-21 | 2020-06-16 | Nice Ltd | System and method for detecting and fixing robotic process automation failures |
US11748653B2 (en) * | 2017-10-05 | 2023-09-05 | DataRobot, Inc. | Machine learning abstraction |
US20190126463A1 (en) * | 2017-10-31 | 2019-05-02 | Bank Of America Corporation | Robotic assisted action template generation based on profile |
US11709854B2 (en) | 2018-01-02 | 2023-07-25 | Bank Of America Corporation | Artificial intelligence based smart data engine |
US11138535B2 (en) | 2018-02-21 | 2021-10-05 | Red Hat, Inc. | Developing workflow-based recommendations based on organizational patterns and observed behavior |
US10846204B2 (en) * | 2018-04-20 | 2020-11-24 | Microsoft Technology Licensing, Llc | Remediation of design time and runtime workflow errors |
US11042458B2 (en) * | 2018-04-30 | 2021-06-22 | Accenture Global Solutions Limited | Robotic optimization for robotic process automation platforms |
US10270644B1 (en) * | 2018-05-17 | 2019-04-23 | Accenture Global Solutions Limited | Framework for intelligent automated operations for network, service and customer experience management |
US11315014B2 (en) * | 2018-08-16 | 2022-04-26 | EMC IP Holding Company LLC | Workflow optimization |
US11003568B2 (en) * | 2018-09-22 | 2021-05-11 | Manhattan Engineering Incorporated | Error recovery |
US10565093B1 (en) * | 2018-10-09 | 2020-02-18 | International Business Machines Corporation | Providing cognitive intelligence across continuous delivery pipeline data |
US10710239B2 (en) * | 2018-11-08 | 2020-07-14 | Bank Of America Corporation | Intelligent control code update for robotic process automation |
US11269911B1 (en) * | 2018-11-23 | 2022-03-08 | Amazon Technologies, Inc. | Using specified performance attributes to configure machine learning pipeline stages for an ETL job |
US11537936B2 (en) * | 2019-01-17 | 2022-12-27 | Servicenow, Inc. | Data set generation for testing of machine learning pipelines |
US11636401B2 (en) * | 2019-01-25 | 2023-04-25 | Noodle.ai | Artificial intelligence platform |
US11074105B2 (en) * | 2019-05-16 | 2021-07-27 | Blue Prism Cloud, Inc. | Systems and methods for digital workforce intelligent orchestration |
US11392469B2 (en) * | 2019-06-20 | 2022-07-19 | Microsoft Technology Licensing, Llc | Framework for testing machine learning workflows |
US11514361B2 (en) * | 2019-08-30 | 2022-11-29 | International Business Machines Corporation | Automated artificial intelligence radial visualization |
US20210073026A1 (en) * | 2019-09-05 | 2021-03-11 | Microstrategy Incorporated | Validating and publishing computing workflows from remote environments |
US11556862B2 (en) * | 2019-09-14 | 2023-01-17 | Oracle International Corporation | Techniques for adaptive and context-aware automated service composition for machine learning (ML) |
US11681931B2 (en) * | 2019-09-24 | 2023-06-20 | International Business Machines Corporation | Methods for automatically configuring performance evaluation schemes for machine learning algorithms |
US11200539B2 (en) * | 2019-10-15 | 2021-12-14 | UiPath, Inc. | Automatic completion of robotic process automation workflows using machine learning |
US10963231B1 (en) * | 2019-10-15 | 2021-03-30 | UiPath, Inc. | Using artificial intelligence to select and chain models for robotic process automation |
US11593709B2 (en) * | 2019-10-15 | 2023-02-28 | UiPath, Inc. | Inserting and/or replacing machine learning models in a pipeline for robotic process automation workflows |
US11738453B2 (en) * | 2019-10-15 | 2023-08-29 | UiPath, Inc. | Integration of heterogeneous models into robotic process automation workflows |
KR20210048865A (ko) * | 2019-10-24 | 2021-05-04 | 삼성에스디에스 주식회사 | 로봇 프로세스 자동화 장치 및 그것의 변경점 탐지 방법 |
US11334471B1 (en) * | 2020-12-02 | 2022-05-17 | UiPath Inc. | Mocking robotic process automation (RPA) activities for workflow testing |
US11429351B2 (en) * | 2021-01-21 | 2022-08-30 | Intuit Inc. | Methods and systems for building custom automation workflows to integrate multiple applications |
-
2019
- 2019-12-09 US US16/707,977 patent/US11593709B2/en active Active
-
2020
- 2020-08-18 CN CN202080072497.1A patent/CN114556387A/zh active Pending
- 2020-08-18 JP JP2022520185A patent/JP2022552466A/ja active Pending
- 2020-08-18 EP EP20877138.6A patent/EP4046102A4/en active Pending
- 2020-08-18 WO PCT/US2020/046777 patent/WO2021076224A1/en unknown
- 2020-08-18 KR KR1020227010622A patent/KR20220079830A/ko unknown
Also Published As
Publication number | Publication date |
---|---|
EP4046102A4 (en) | 2023-11-22 |
US20210110301A1 (en) | 2021-04-15 |
US11593709B2 (en) | 2023-02-28 |
KR20220079830A (ko) | 2022-06-14 |
WO2021076224A1 (en) | 2021-04-22 |
EP4046102A1 (en) | 2022-08-24 |
CN114556387A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102453988B1 (ko) | 런타임시 디지털 프로세스에서의 동적 인공 지능/머신 러닝 모델 업데이트, 또는 재트레이닝 및 업데이트 | |
US10963231B1 (en) | Using artificial intelligence to select and chain models for robotic process automation | |
JP2022551833A (ja) | ロボティックプロセスオートメーションのための人工知能ベースのプロセス識別、抽出、および自動化 | |
JP2022552465A (ja) | ロボティック・プロセス・オートメーションのためのヒューマンインザループ・ロボット・トレーニング | |
JP2023516846A (ja) | ロボティックプロセスオートメーション(rpa)のテスト自動化ワークフローを解析するシステムおよびコンピュータ実装方法 | |
KR102412237B1 (ko) | 로봇 프로세스 자동화를 위한 테스트 자동화 | |
US11748479B2 (en) | Centralized platform for validation of machine learning models for robotic process automation before deployment | |
JP2022552468A (ja) | ロボティック・プロセス・オートメーション及びワークフローのマイクロ最適化のためのプロセス進化 | |
JP2023549632A (ja) | 人工知能/機械学習によるロボティックプロセスオートメーションのための異常検出および自己修復 | |
JP2022552127A (ja) | ロボティックプロセスオートメーションのための人工知能層ベースのプロセス抽出 | |
JP2022552466A (ja) | ロボティック・プロセス・オートメーション・ワークフローのための再構成可能なワークベンチパイプライン | |
JP2022552130A (ja) | ロボティックプロセスオートメーションにおける強化学習 | |
JP2023552666A (ja) | アクションセンターを介した人工知能(ai)/機械学習(ml)モデルの補足、ai/mlモデル再訓練ハードウェア制御、およびai/mlモデル設定管理 | |
EP3901864A1 (en) | Test automation for robotic process automation | |
EP3901865A1 (en) | Test automation for robotic process automation | |
JP2023523374A (ja) | ロボティックプロセスオートメーションのための機械学習モデル再訓練パイプライン | |
US11650871B2 (en) | System and computer-implemented method for verification of execution of an activity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230808 |